一种特征选择的全极化雷达影像分类方法

摘要：

针对极化合成孔径雷达(PolSAR)影像面向对象分类过程中存在数据冗余、特征维数高导致分类精度降低的问题,该文提出了一种基于信息增益比和基于相关性的特征选择(CFS)算法的分类方法.该方法首先在经典的过滤式CFS算法基础上,引入信息增益比评估模型舍弃贡献小的特征.然后采用 目前流行的封装式分类回归树(CART)算法做进一步筛选并分类.最后以GF-3不同场景和成像时间的影像数据为例进行实验,将该方法与信息增益比评估模型优化特征集、CFS算法优化特征集、全部特征集的CART分类结果进行对比.结果表明,该方法各项精度评价指标均优于其他对比方法,验证了该方法在PolSAR影像面向对象分类领域的可行性.

关键词：极化分解、特征选择、信息增益比、CFS算法、CART分类、PolSAR

所属期刊栏目：47

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家高技术研究发展计划（863计划）;国家自然科学基金

在线出版日期：2022-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：127-134